Hermes agent

Jupyter Live Kernel

Итеративный Python через живое ядро Jupyter (hamelnb).

Метаданные навыка

ИсточникВстроенный (установлен по умолчанию)
Путьskills/data-science/jupyter-live-kernel
Версия1.0.0
АвторHermes Agent
ЛицензияMIT
Платформыlinux, macos, windows
Тегиjupyter, notebook, repl, data-science, exploration, iterative

Справочник: полный SKILL.md

инфо

Ниже — полное определение навыка, которое Hermes Agent загружает при его активации. Именно этот текст агент получает как инструкцию в момент работы навыка.

Jupyter Live Kernel (hamelnb)

Даёт состоятельный Python REPL через живое ядро Jupyter. Переменные сохраняются между запусками. Используй вместо execute_code, когда нужно накапливать состояние шаг за шагом, изучать API, просматривать DataFrame или итеративно отлаживать сложный код.

Когда использовать этот навык, а когда другие инструменты

ИнструментКогда использовать
Этот навыкИтеративное исследование, состояние между шагами, data science, ML, «попробую и проверю»
execute_codeОдноразовые скрипты, которым нужен доступ к инструментам hermes (web_search, файловые операции). Без состояния.
terminalШелл-команды, сборка, установка пакетов, git, управление процессами

Простое правило: если для задачи хочется открыть Jupyter-ноутбук — бери этот навык.

Требования

  1. uv должен быть установлен (проверка: which uv)
  2. JupyterLab должен быть установлен: uv tool install jupyterlab
  3. Должен быть запущен сервер Jupyter (см. раздел Setup ниже)

Setup

Путь к скрипту hamelnb:

SCRIPT="$HOME/.agent-skills/hamelnb/skills/jupyter-live-kernel/scripts/jupyter_live_kernel.py"

Если репозиторий ещё не склонирован:

git clone https://github.com/hamelsmu/hamelnb.git ~/.agent-skills/hamelnb

Запуск JupyterLab

Проверь, не запущен ли уже сервер:

uv run "$SCRIPT" servers

Если серверов нет — запусти:

jupyter-lab --no-browser --port=8888 --notebook-dir=$HOME/notebooks \
  --IdentityProvider.token='' --ServerApp.password='' > /tmp/jupyter.log 2>&1 &
sleep 3

Примечание: токен и пароль отключены для локального доступа агента. Сервер работает в фоне без интерфейса.

Создание ноутбука для работы в REPL

Если нужен просто REPL без существующего ноутбука — создай минимальный файл:

mkdir -p ~/notebooks

Запиши минимальный .ipynb JSON с одной пустой ячейкой кода, затем запусти сессию ядра через Jupyter REST API:

curl -s -X POST http://127.0.0.1:8888/api/sessions \
  -H "Content-Type: application/json" \
  -d '{"path":"scratch.ipynb","type":"notebook","name":"scratch.ipynb","kernel":{"name":"python3"}}'

Основной рабочий процесс

Все команды возвращают структурированный JSON. Всегда используй --compact для экономии токенов.

1. Найти серверы и ноутбуки

uv run "$SCRIPT" servers --compact
uv run "$SCRIPT" notebooks --compact

2. Выполнить код (основная операция)

uv run "$SCRIPT" execute --path <notebook.ipynb> --code '<python code>' --compact

Состояние сохраняется между вызовами execute. Переменные, импорты, объекты — всё остаётся.

Многострочный код работает с синтаксисом $'...':

uv run "$SCRIPT" execute --path scratch.ipynb --code $'import os\nfiles = os.listdir(".")\nprint(f"Found {len(files)} files")' --compact

3. Просмотр живых переменных

uv run "$SCRIPT" variables --path <notebook.ipynb> list --compact
uv run "$SCRIPT" variables --path <notebook.ipynb> preview --name <varname> --compact

4. Редактирование ячеек ноутбука

# Просмотр текущих ячеек
uv run "$SCRIPT" contents --path <notebook.ipynb> --compact

# Вставить новую ячейку
uv run "$SCRIPT" edit --path <notebook.ipynb> insert \
  --at-index <N> --cell-type code --source '<code>' --compact

# Заменить исходник ячейки (cell-id берётся из вывода contents)
uv run "$SCRIPT" edit --path <notebook.ipynb> replace-source \
  --cell-id <id> --source '<new code>' --compact

# Удалить ячейку
uv run "$SCRIPT" edit --path <notebook.ipynb> delete --cell-id <id> --compact

5. Верификация (перезапуск + прогон всех ячеек)

Используй только когда пользователь явно просит чистую проверку или нужно убедиться, что ноутбук выполняется сверху вниз без ошибок:

uv run "$SCRIPT" restart-run-all --path <notebook.ipynb> --save-outputs --compact

Практические советы из опыта

  1. Первое выполнение после запуска сервера может завершиться таймаутом — ядру нужно время на инициализацию. Получил таймаут — просто повтори запрос.

  2. Python в ядре — это Python из окружения JupyterLab — пакеты должны быть установлены именно там. Если нужны дополнительные пакеты, сначала установи их в окружение uv-инструмента JupyterLab.

  3. Флаг --compact заметно экономит токены — используй его всегда. Без него JSON-вывод может быть очень многословным.

  4. Для чистого REPL создай scratch.ipynb и не заморачивайся с редактированием ячеек. Просто вызывай execute раз за разом.

  5. Порядок аргументов важен — флаги подкоманды, например --path, должны идти ДО вложенной подкоманды. Например: variables --path nb.ipynb list, а не variables list --path nb.ipynb.

  6. Если сессия ещё не создана — запусти её через REST API (см. раздел Setup). Без живой сессии ядра выполнить код не получится.

  7. Ошибки возвращаются в виде JSON с трейсбеком — смотри поля ename и evalue, чтобы понять, что пошло не так.

  8. Периодические таймауты WebSocket — некоторые операции могут не успеть с первого раза, особенно после перезапуска ядра. Повтори один раз перед тем, как эскалировать проблему.

Таймауты по умолчанию

У скрипта таймаут 30 секунд на каждое выполнение. Для долгих операций передавай --timeout 120. При первоначальной настройке или тяжёлых вычислениях ставь таймаут 60 секунд и больше.

⌕ ESC